String 在Pandas（Python）中将字符串列转换为日期的有效方法，但不带时间戳

我有一个数据框，它包含两个字符串列

df['month']

和

df['year']

。我想通过组合

month

和

year

列来创建一个新列

df['date']

。我使用下面的结构成功地做到了这一点-

df['date']=pd.to_datetime((df['month']+df['year']),format='%m%Y')

其中，

df['month']='08'和df['year']='1968'

we get df['date']=1968-08-01

这正是我想要的

眼前的问题：我的数据帧有200000多行，我注意到，有时，除此之外，我还会得到下面几行的时间戳，我希望避免这种情况-

1972-03-01 00:00:00

我通过使用

.dt

acessor解决了这个问题，它可以用来处理序列，因此我使用下面的代码只显式提取了日期-

df['date']=pd.to_datetime((df['month']+df['year']),format='%m%Y') #Line 1
df['date']=df['date']=.dt.date               #Line 2

问题解决了，只是2号线比1号线多花了5倍的时间

---

问题：有没有办法调整第1行，只给出日期而不给出时间戳？我相信这个简单的问题不可能有如此低效的解决办法。我能否以更节省时间和资源的方式解决此问题？

如果我们没有

date

dtype n Pandas，我们只有

datetime

，因此我们将始终有一个时间部分

即使熊猫显示：

1968-08-01

，它也有一个时间段：

00:00:00

演示：

如果您想使用字符串表示，有一种更快的方法：

df['date'] = df['year'].astype(str) + '-' + df['month'].astype(str) + '-01'

更新：请注意

.dt.date

将为您提供一个字符串表示：

In [53]: df.dtypes
Out[53]:
Date    datetime64[ns]
dtype: object

In [54]: df['new'] = df['Date'].dt.date

In [55]: df
Out[55]:
        Date         new
0 1968-08-01  1968-08-01
1 2017-08-01  2017-08-01

In [56]: df.dtypes
Out[56]:
Date    datetime64[ns]
new             object   # <--- NOTE !!!
dtype: object

[53]中的

：df.dtypes
出[53]：
日期时间64[ns]
数据类型：对象
在[54]中：df['new']=df['Date'].dt.Date
In[55]：df
出[55]：
新日期
0 1968-08-01  1968-08-01
1 2017-08-01  2017-08-01
In[56]：df.dtypes
出[56]：
日期时间64[ns]
新对象#在我看来它很慢，因为本机pandas格式是datetime64，没有python日期。我尝试
（df['month']+df['year']）。应用（lambda x:datetime.strtime（x，%m%Y'）.date（））
，但速度较慢：（是的，lambda解决方案通常稍微慢一点，我可以理解这一个也慢一点。我比较了SAS和Pandas的速度，不幸的是Pandas在很多情况下都慢一点。或者可能是我以错误的方式应用了它。感谢jezreal一如既往地提供您的意见。非常感谢：）嗯，这很有趣。SAS更快？多少倍？对于这个特定的数据集，我有大约500万行，我做了多种操作，如排序，将大小写从混合改为小写等，在SAS中总共花了我42秒，在Python中花了我264秒。多谢。真的很慢。嗯，我不想要字符串表示法。它应该是直截了当的：）也就是说，如果时间部分是隐藏的，那么为什么它有时会出现，而其他时候不会出现？@OliverS，请注意，
df['date'].dt.date
会给你一个字符串表示法。请参阅“更新”了解详细信息您是对的。我没有意识到这一点。非常感谢你让我注意到这一点。这使得将Datetime转换为Date的想法变得毫无用处，因为如果要将其转换为字符串，那么为什么不简单地连接起来，而不是毫无意义地遵循这个漫长的过程呢。非常感谢您的投入。非常感谢。MaxU，我想我已经得到了最初问题的答案，正是这个问题的动机。不用说，你为我解决了最初的问题！但是，如果我将这个问题标记为已回答，那么它会给人一种错误的印象，即存在一种提取日期的有效方法。所以，我会羞于标记它。希望一切顺利，马克斯。@OliverS，当然：）
In [53]: df.dtypes
Out[53]:
Date    datetime64[ns]
dtype: object

In [54]: df['new'] = df['Date'].dt.date

In [55]: df
Out[55]:
        Date         new
0 1968-08-01  1968-08-01
1 2017-08-01  2017-08-01

In [56]: df.dtypes
Out[56]:
Date    datetime64[ns]
new             object   # <--- NOTE !!!
dtype: object